公路疏运是我国散杂货港口疏港作业的重要方式之一。为保证公路疏运效率,港方通常提前制定车辆提货作业的资源投放计划,但计划由人工制定,容易与实际需求形成较大差距,导致提货高峰期交通拥堵与效率低下等问题。本文通过对散杂货港口短时提货车辆数量的预测,为计划的科学制定提供参考。本文的主要研究内容为:（1）散杂货港口短时提货车辆数量的影响因素分析。通过文献综述、专家访谈与业务分析法识别影响因素,基于随机森林算法进行特征选择,挖掘短时提货车辆数量预测问题的关键特征并用于后续建模。（2）散杂货港口短时提货车辆数量的预测模型构建与验证。引入上述特征选择结果,建立并评估基于SVM的短时预测模型;根据短时提货车辆数量的时间序列,建立并评估基于GRU的短时预测模型。（3）短时预测组合模型的构建与应用。为了加强模型在复杂问题下的表现,构建SVM-GRU组合模型,并以广州港集团为例进行验证,将SVM-GRU模型应用于生产业务系统,为资源计划制定提供参考。本文对散杂货港口短时提货车辆数量的预测问题提出SVM-GRU组合模型,MAPE为7.0031。在影响因素分析中,通过特征选择,论证了船舶预确报信息、库场卸货量对车提作业影响较大;同时引入空间饱和度概念,模型输入该因素后提升了预测精度,降低了3.6878的MSE。本文提出的组合模型对散杂货港口的提货作业资源投放计划制定有一定的参考价值。